p-Index From 2021 - 2026
8.032
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmu dan Teknologi Kelautan Tropis IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Informatika Jurnal Simetris Elkom: Jurnal Elektronika dan Komputer Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JTSL (Jurnal Tanah dan Sumberdaya Lahan) Jurnal Transformatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta Jurnal Ilmiah Matrik JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Indonesian Journal of Computing and Modeling J-SAKTI (Jurnal Sains Komputer dan Informatika) JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Journal Sensi: Strategic of Education in Information System JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) TIN: TERAPAN INFORMATIKA NUSANTARA Aiti: Jurnal Teknologi Informasi Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Journal of Information Technology (JIfoTech) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Info Sains : Informatika dan Sains Jurnal Nasional Teknik Elektro dan Teknologi Informasi IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Informatika: Jurnal Pengembangan IT Jurnal Indonesia : Manajemen Informatika dan Komunikasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi
Claim Missing Document
Check
Articles

Analisis Perbandingan Area Kebakaran Padang Rumput Berbasis Citra Landsat-8 Pada Sumba Tengah Menggunakan Metode Unsupervised Classification Antar Maramba Jawa; Ravensca Matatula; Stanny Dewanty Rehatta; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Data statistik tahun 2019 menunjukan hingga saat ini luas padang rumput di kawasan Sumba Tengah cenderung mengalami penurunan dikarenakan seringnya terjadi kebakaran pada lokasi tersebut. Data ini menjadi pendorong akan kebutuhan informasi yang tepat dan cepat terkait tata letak dan perubahan tata letak padang rumput untuk tetap menjaga ketahanan lingkungan sekitar. Teknologi penginderaan jarak jauh telah menjadi tool yang baik dalam pemecahan masalah ini. Melalui klasifikasi citra satelit penginderaan jarak jauh, perubahan lokasi kebakaran dapat dianalisis dengan baik. Berdasarkan hal tersebut penelitian ini akan menganalisis perubahan padang rumput pasca kebakaran pada daerah Sumba Tengah khususnya sebagai wilayah penelitian pada index vegetasi citra satelit lansat 8 dengan memakai Unsupervised Classification. Tujuan dari penelitian ini adalah melakukan klasifikasi untuk memperkirakan luas dan sebaran perubahan padang rumput di Sumba Tengah.Hasil penelitian Kabupaten Sumba Tengah November 2019 memiliki lebih banyak lahan hijau (vegetasi tinggi) dibandingkan dengan nilai NDVI pada citra landsat Kabupaten Sumba Tengah Maret 2020. Sedangkan presentase NDVI November 2019 dan Maret 2020 penurunan yang cukup besar terjadi pada lahan hijau atau padang rumput dengan nilai vegetasi 0.492 ke 0.415 Analisis menunjukkan adanya perbedaan nilai vegetasi pada klasifikasi lahan hijau atau padang rumput menunjukkan terjadinya kebakaran, sehingga naiknya nilai vegetasi klasifikasi lahan kering.
Analisis Resiko Longsor berbasis Citra Landsat-8 menggunakan Interpolasi Spasial Novem Berlian Uly; Murry Albert Agustin Lobo; Mikhael Dio Eclesi; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sebagai Negara kepulauan, Indonesia sering menghadapi bencana yang diakibatkan oleh terjadinya perubahan iklim dan cuaca, atau sering disebut bencana hidrometeorologi. Kondisi dan keadan alam yang memungkinkan terjadi bencana disebut sebagai potensi bencana. Cuaca ekstrim dengan curah hujan yang tinggi memungkinkan terjadinya longsor pada kondisi tanah labil serta kemiringan lereng yang curam. Resiko yang diakibatkan longsor dapat berupa resiko ekonomi maupun resiko sosial. Resiko yang ditimbulkan oleh bencana merupakan potensi kerugian pada suatu kawasan dan kurun waktu tertentu. Bentuk resiko bencana dapa berupa gangguan kegiatan masyarakat, hilangnya rasa aman, masyarakat mengungsi, kerusakan atau kehilangan harta, jiwa terancam, luka, sakit dan kematian. Kabupaten Banjarnegara sebagai salah satu daerah yang memiliki potensi resiko tanah longsor. Berdasarkan karakteristik tersebut maka perlu dilakukan analisis resiko tanah longsor untuk memberikan informasi resiko tanah longsor. Pada Penelitian ini dilakukan analisis resiko longsor berbasis Citra Landsat-8 menggunakan metode Interpolasi Spasial. Data curah hujan yang digunakan adalah Data Curah Hujan BMKG Kabupaten Banjarnegara Tahun 2015. Hasil dari penelitian ini menunjukkan bahwa Terdapat 7 Kecamatan yang memiliki tingkat resiko tanah longsor yang sangat tinggi yaitu Susukan, Purworejo Klampok, Mandiraja, Purwonegoro, Bawang dan Wanadadi.
ANALISIS RUANG TERBUKA HIJAU PADA KOTA SURABAYA MENGGUNAKAN CITRA LANDSAT 8 DAN METODE MAXIMUM LIKELIHOOD Stevanus Dwi Istiavan Mau; Antonius Mbay Ndapamury; Vinsensius Aprila Kore Dima; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

RTH atau dikenal dengan ruang terbuka hijau merupakan suatu kelompok tanaman yang berada pada pemukiman rumah dan di tengah kota baik itu pohon serta tanaman yang ada pada rumah Surabaya sendiri mempunyai geografis yang ada pada 07.09’00”-07’21’00” Lintang selatan serta 112’36’-112’54’. Pada dasarnya luas dari surabaya memiliki daratan luas 326,81km2 serta lautan 190,39 km2. Surabaya bisa di bilang kota yang sangat padat dimana pada tahun sebelum nya hingga saat ini pembangunan terus berjalan dan meyebabkan kekurangan ruang terbuka hijau. Dalam menganalisis RTH di butuhkan suatu metode dalam melakukan analisis RTH, metode yang di pakai dalam penelitian ini menggunakan maxium likelihood yang berfungsi sebagai integrasi antara klasifikasi penutup lahan, NDVI serta Citra Landsat 8. Hasil dari penelitian ini adalah menampilkan ruang terbuka hijau dan pengelolaan ndvi dari tahun 2016 dan 2019 dimana terdapat pembangunan lahan yang menutupi ruang terbuka hijau pada Kota Surabaya. Manfaat dari penelitian ini sendiri bagaimana kita lebih mengenal fungsi dari RTH tersebut bagi masyarakat dan kota itu sendiri.
Identifikasi Perubahan Tutupan Vegetasi dan Curah Hujan Kabupaten Semarang Menggunakan Citra Saltelit Lansat 8 Triloka Mahesti; Elvira Umar; Ardian Ariadi; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perubahan iklim dunia yang dipengaruhi pemanasan global saat ini menjadi masalah yang genting. Dalam mengatasi masalah pemanasan global, Indonesia turut serta berperan aktif dengan berkomitmen menurunkan GRK hingga tahun 2030. Keikutsertaan pemerintah Indonesia juga harus didukung oleh pemerintah daerah salah satunya adalah Kabupaten Semarang untuk menurunkan GRK dengan penambahan vegetasi. Penelitian ini bertujuan untuk mengidentifikasi perubahan tutupan vegetasi Kabupaten Semarang dari tahun 2015 hingga 2019 dengan menggunakan metode NDVI, EVI, SAVI dan Supervised Classification serta clustering curah hujan menggunakan metode Spatial Interpolation karena perubahan indeks vegetasi tidak lepas dari curah hujan. Penelitian ini menghasilkan nilai NDVI, EVI, SAVI dan Supervised Classification mengalami kenaikan dari tahun 2015 ke tahun 2016 dengan kenaikan nilai NDVI 0.059728, EVI 0.658, SAVI 0.089514 dan supervised classification 4,64% atau 39.368,7 ha, serta mengalami penurunan berangsur dari tahun 2016 hingga 2019 dengan penurunan nilai NDVI -0,072276, EVI -9,57828, SAVI -0,108413 dan supervised classification -19,05% atau -194.762,7 ha. Clustering curah hujan menunjukkan 4 kecamatan yaitu Getasan, Tengaran, Susukan dan Kaliwungu memiliki curah hujan sangat rendah, 4 kecamatan yaitu Banyubiru, Pabelan, Bancak dan Suruh memiliki curah hujan sedang, 6 kecamatan yaitu Ambarawa, Jambu, Bawen, Tuntang Bringin dan Pringapus memiliki curah hujan tinggi serta 5 kecamatan yaitu Bandungan, Sumowono, Bergas, Ungaran Barat dan Ungaran Timur memiliki curah hujan sangat tinggi. Curah hujan berada pada rentang 5mm-10mm/hari yang menurut BMKG memiliki klasifikasi curah hujan rendah. Penelitian ini dapat dimanfaatkan sebagai rekomendasi pemerintah Kabupaten Semarang dalam pengelolaan vegetasi dan pertimbangan dalam penyusunan RAD
Pengembangan Sistem Penilaian Dokumen pada Audit Mutu Internal Berbasis Web (Studi Kasus: LPMAI UKSW) Kurnia Latifatul Nazila; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Audit Mutu Internal adalah sebuah kegiatan proses penilaian atau pengujian yang sistematis, independen untuk memastikan bahwa kegiatan perguruan tinggi sudah sesuai prosedur dan apakah hasilnya sudah sesuai dengan standar dari pemerintah untuk mencapai tujuan tersebut. Universitas Kristen Satya Wacana melalui Lembaga Penjaminan Mutu dan Audit Internal membuat sistem penilaian dokumen pelaksanaan audit berbasis website. Sistem penilaian dokumen audit ini digunakan sebagai proses pelaksanaan audit program studi agar lebih terstruktur dan cepat untuk mengganti sistem sebelumnya yang masih menggunakan cara manual. Maka pada penelitian ini dilakukan pengembangan sistem menggunakan metode prototype dan berbasis website supaya pelaksanaan penilaian audit bisa dilakukan secara online. Pengujian pada penelitian ini menggunakan pengujian black box testing untuk membuktikan bahwa sistem yang telah dibuat sesuai kebutuhan pengguna. Dan hasil dari penelitian ini dapat mempermudah pengguna untuk melakukan penilaian dokumen pelaksanaan audit program studi.
Klasifikasi Wilayah Risiko Kekeringan Dengan Metode Random Forest dan SVM Menggunakan Data Penginderaan Jauh LANDSAT 8 OLI Studi kasus : Kabupaten Wonogiri Engles Marabangkit Yoesmarlan; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kekeringan selalu terjadi di Indonesia setiap tahunnya. Salah satu daerah yang setiap tahun terkena dampak kekeringan adalah kabupaten Wonogiri. Berdasarkan kajian BPBD Wonogiri tahun 2019, ada 31 desa di Wonogiri terancam kekeringan. Tujuan diadakan penelitian ini adalah mengklasifikasikan wilayah di Wonogiri yang memiliki resiko kekeringan paling tinggi agar memudahkan pemberian bantuan. Penelitian ini menggunakan metode Machine Learning untuk menganalisa hasil ekstraksi dari citra Landsat-8 OLI yang berupa indeks vegetasi yaitu NDVI, NDWI, SAVI, dan VCI dengan membandingkan algoritma Random Forest dengan Support Vector Machine. Hasil dari pengolahan data Random Forest dan Support Vector Machine menunjukkan bahwa Random Forest memiliki nilai kappa 0.9911 sedangkan Support Vector Machine memiliki nilai kappa 0.5217 yang berarti algoritma Random Forest lebih baik dari Support Vector Machine karena makin tinggi nlai kappa maka semakin tinggi nilai akurasi prediksinya. Dari hasil penelitian dapat diperoleh 10 kelurahan yang memiliki resiko kekeringan tinggi diantaranya kelurahan Bulusari, Sembukan, Tunggur, Hrgosari, Sidorejo, Tempurharjo, Sumberagung, Gemawang, Gnadipiro dan Conto.
Perbandingan Algoritma K-NN, SVM dan Random Forest untuk Klasifikasi Wilayah Risiko Kebakaran Lahan Pada Data Citra Landsat 8 OLI Evan Geraldy Suryoto; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kebakaran lahan memiliki tingkat kerugian besar bagi yang terkena dampaknya. Dampak langsung yang dirasakan adalah adanya kabut asap yang mencemari udara di sekitar daerah kebakaran. Penelitian ini menggunakan beberapa indeks diataranya : Indeks yang dipakai antara lain ialah Enhanced Vegetation Index (EVI), Normalized Burn Ratio (NBR), Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI) dan Soil Adjusted Vegetation Index (SAVI). Data yang akan diteliti berupa Citra Satelit Landsat 8 OLI. Hasil analisis menggunakan korelasi pearson, rata-rata indeks memiliki korelasi kuat. Korelasi yang paling kuat ialah antara NDVI dengan SAVI dengan nilai korelasi 0,98. Hasil confusion matrix menunjukkan bahwa metode Random Forest adalah metode yang terbaik untuk penelitian ini, hal tersebut dapat dilihat dari akurasi yang bernilai 0,9995 dan Kappa yang bernilai 0,9897. Prediksi spasial menggunakan Inverse Distance Weighted (IDW) pada perhitungan yang telah dilakukan. Pengujian hubungan spasial antar kecamatan yang berpotensi kebakaran dilakukan dengan menggunakan analisis Moran's I.
Analisis Daerah Rawan Banjir Pada Daerah Aliran Sungai Tuntang Menggunakan Skoring dan Inverse Distance Weighted Merryana Lestari; Mira Mira; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 4 No 1 (2021)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/icm.v4i1.4615

Abstract

Perubahan alih fungsi lahan dapat menyebabkan perubahan dalam lingkungan alam, seperti perubahan vegetasi, perubahan daya serap tanah, maupun sedimentasi sungai sehingga berpotensi mengakibatkan bencana alam. Apabila tidak dilakukan penanganan terhadap tata kelola penggunaan lahan dengan serius maka akan menyebabkan peningkatan debit air pada setiap tahunnya, sehingga daerah di sekitar sungai Tuntang akan berpotensi sebagai daerah yang rawan terdampak banjir. Pada penelitian ini, dilakukan pengklasifikasian menggunakan metode Normalized Difference Vegetation Index (NDVI), Normalized Difference Wetness Index (NDWI), Soil Adjusted Vegetation Index (SAVI), Standardized Precipitation Index (SPI) dan Interpolasi menggunakan Inverse Distance Weighted (IDW) kemudian di skoring untuk menganalisa daerah-daerah khususnya desa yang berpotensi rawan banjir pada sekitar Daerah Aliran Sungai Tuntang di Kecamatan Bawen dan Kecamatan Tuntang. Hasil dari penelitian ini menyimpulkan bahwa Kecamatan Bawen dan Kecamatan Tuntang merupakan daerah yang tidak rawan banjir dikarenakan tutupan lahan vegetasinya masih baik dan curah hujan masih dalam kapasitas normal.
Sebaran Vegetasi pada Kawasan Berpotensi Bencana Banjir Pesisir (Rob) Kota Semarang Daniel Kurniawan; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 4 No 1 (2021)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/icm.v4i1.4653

Abstract

Abstrak - Banjir pesisir atau rob adalah banjir yang terjadi karena masuknya air laut ke area daratan dan menjadi masalah utama pada daerah di Indonesia yang besinggungan langsung dengan daerah pantai seperti Kota Semarang. Angin, tinggi gelombang, curah hujan, dan topologi tanah menjadi faktor yang sangat mempengaruhi perbedaan tinggi permukaan air laut dari muka daratan. Mangrove merupakan salah satu vegetasi yang cocok untuk daerah pantai karena dapat tumbuh di lingkungan dengan kadar garam yang tinggi. Keadaan permukaan Kota Semarang seperti persebaran vegetasi dan ketinggian tanah dapat diketahui dengan memanfaatkan teknologi remote sensing atau penginderaan jauh. Indeks vegetasi seperti NDVI (Normalized Different Vegetation Index) menjadi salah satu metode yang dipakai untuk menganalisa persebaran dan tingkat kehijauan pada suatu wilayah. Selain NDVI dalam penelitian juga memanfaatkan peta DEM (Digital Elevtion Model) untuk mengetahui kondisi ketinggian atau kontur dalam wilayah tertentu. Tingkat kehijauan di daerah utara Kota Semarang lebih banyak memiliki nilai kehijauan rendah hingga sangat rendah dan 9 dari 16 Kecamatan di Kota Seamarang memiliki kontur ketinggian tanah kurang dari 25 meter. Dari kedua keadaan tersebut bencana banjir pesisir atau rob akan sulit untuk dihindari dan perlu adanya peranan dari masyarakat maupun pemerintah untuk menangani masalah banjir pesisir di Kota Semarang.
Model Penilaian Tata Guna Lahan Dengan Citra Landsat 8 OLI Menggunakan Algoritma XGBoost Diwilayah Beresiko Tsunami (Studi Kasus : Kota Palu Sulawesi Tengah) Yulia Fransisca Wijaya; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 4 No 1 (2021)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/icm.v4i1.4981

Abstract

Tsunami merupakan salah satu bencana alam yang berbahaya dimana dapat memakan korban jiwa, gelombang air yang besar pada bencana tsunami dapat bergerak sangat cepat dan dapat menghancurkan wilayah pemukiman yang berada dekat dengan laut. Dimana Indonesia merupakan salah satu negara yang berada diurutan pertama dari 256 negara didunia dengan ancaman tsunami yang tinggi. Pada tanggal 28 September 2018 terjadi sebuah tsunami pada Kota Palu yang memakan korban jiwa sebanyak 3.689 orang hilang dan meninggal. Penelitian ini bertujuan untuk membuat sebuah model peta yang dapat memberikan informasi mengenai klasifikasi lahan beresiko tsunami. Tingkat klasifikasi lahan beresiko tsunami dibagi menjadi 5 klasifikasi yaitu sangat rawan, tinggi, rendah, sangat rendah, dan tidak rawan. Hasil penelitian yang didapatkan pada nilai akurasi untuk semua parameter sebesar 0.909, sedangkan nilai perulangan pertama train mlogloss sebesar 0.6926 dan test mlogloss 0.6928, dan untuk perulangan keseratus mendapatkan nilai train mlogloss 0.6437 dan test mlogloss 0.6547, diketahui bahwa semakin banyak melakukan perulangan nilai dari pada test mglogloss dan train mglogloss akan semakin kecil perluang dari kesalahan Extreme Gradient Boosting. Berdasarkan hasil klasifikasi antara data yang sudah dan belum diprediksi menggunakan Extreme Gradient Boosting didapatkan 43 kelurahan yang mempunyai hasil yang berbeda. Sehingga Extreme Gradient Boosting dapat digunakan untuk pengambilan keputusan dalam membuat model klasifikasi lahan beresiko tsunami.
Co-Authors Adenia Kusuma Dayanthi Anna Simatauw Antar Maramba Jawa Antonius Mbay Ndapamury Ardian Ariadi Ardito Laksono Suryoputro Arit Imanuel Meha Arvira Yuniar Isnaeni Ayuningtyas, Fajar Baali, Gabriel Megfaden Kenisa Baronio, Nodas Constantine Bintang Lazuardi Bistok Hasiholan Simanjuntak Brian Laurensz Brilliananta Radix Dewana Bunga, Alex Frianco Cahyaningtyas, Christian Charitas Fibriani Christanto, Erwien Christiana Ari Setyaningrum Daniel HF Manongga Danny Manongga Devianto, Yudo Dian Widiyanto Chandra Dwi Hayati Edwin Zusrony Eko Sediyono Elvira Umar Engles Marabangkit Yoesmarlan Erik Wahyu Abdi Nugroho Evan Bagus Kristianto Evan Geraldy Suryoto Evi Maria Evi Maria Evi Maria Fabian Valerian Feibe Lawalata Florentina Tatrin Kurniati Gallen cakra adhi wibowo Gideon Bartolomeus Kaligis Gilbert Yesaya Likumahua Gudiato, Candra Haikal Nur Rachmanrachim Achaqie Haikal Nur Rachmanrachim Achaqie Hindriyanto Dwi Purnomo Ida Ayu Putu Sri Widnyani Indra Yunanto Irdha Yunianto Irwan Sembiring Isnaeni, Arvira Yuniar Joko Siswanto Joko Siswanto Josua Josen Alexander Limbong Kase, Celomitha Putri Welhelmina Kristoko Dwi Hartomo Kurnia Latifatul Nazila Laurentius Kuncoro Probo Saputra, Laurentius Kuncoro Probo Lobo, Murry Albert Agustin Lyonly Evany Tomasoa Maipauw, Musa Marsel Manongga, Daniel HF Maya Sari Merryana Lestari Mikhael Dio Eclesi Mila Chrismawati Paseleng Mira Mira Muhamad Yusup Muhammad Rizky Pribadi Muhammad Sholikhan Nadia Renatha Yuwono Nadya Inarossy Novem Berlian Uly Nugroho, Ignatius Dion Nusantara, Bandhu Otniel, Marcelinus Vito Patasik, Eva Sapan Patrick Simbolon Permatasari, Aurilia Dinda Petty, Holbed Joshua Praditya, Al-Farrel Raka Prayitno, Gunawan Priatna , Wowon Priyadi Priyadi Purwoko, Agus Qurotul Aini Ratu, Herman Huki Ravensca Matatula Raymond Elias Mauboy Riko Yudistira Rina Pratiwi Pudja I. A Rohmad Abidin, Rohmad Rony, Zahara Tussoleha Roy Rudolf Huizen Santoso, Nuke Puji Lestari Sarassati, Dwi Sinta Sebastian, Danny Septian Silvianugroho Septio, Pius Aldi Solly Aryza Sri Hartati Stanny Dewanty Rehatta Stevanus Dwi Istiavan Mau Supit, Christanti Ekkelsia Suryasatria Trihadaru Suryasatriya Trihandaru Susatyo, Yeremia Alfa Sutarto Wijono Theopillus J. H. Wellem Tirsa Ninia Lina Triloka Mahesti Triloka Mahesti Untung Rahardja Untung Rahardja Valentino Kevin Sitanayah Que Vinsensius Aprila Kore Dima Wahani, Puteri Justia Kardia Momuat Wasis Pancoro Wicaksono, Muhammad Ryqo Jallu Winarko, Edi Wiwin Sulistyo Yansen Bagas Christianto Yerik Afrianto Singgalen Yesi Arumsari Yohanes Aji Priambodo Yuliawan, Kristia